[发明专利]一种面向水下机器人搜寻探摸的目标定位方法

说明书

本发明公开了一种面向水下机器人搜寻探摸的目标定位方法，包括以下步骤：提取并识别水下目标声呐图像的A‑KAZE特征点；测算水下目标相对于水下机器人的二维方位；测算目标的仰角；测算水下目标相对于水下机器人的三维方位；修正目标的仰角，进而修正水下目标点相对于水下机器人的三维方位。本发明面向水下机器人搜寻探摸的目标定位方法，基于前视声呐数据，运用深度卷积神经网络对水下目标特征点进行自动提取和识别，结合水下机器人姿态，实现了水下目标的精准定位，便于搜寻人员对于水下目标的位置进行精细化探测，实现水下搜寻探摸作业的可靠化、高效化、智能化，此发明用于水下目标搜寻探摸技术领域。

技术领域

本发明涉及水下目标搜寻探摸技术领域，特别是涉及一种面向水下机器人搜寻探摸的目标定位方法。

背景技术

在对海洋进行科学研究时，水下机器人是最重要的研究工具，用于代替人类长时间水下作业或者在恶劣水下环境中工作。在复杂的水下环境中，最为可靠有效的探测手段是水声探测，也是水下机器人应用最为广泛的水下探测手段。综合利用现代声呐探测技术对遇难事故海域水下展开搜寻探摸，获取水下搜寻目标的关键特征点，同时结合目标特征点和探摸机器人的姿态信息，实现水下目标的准确定位。

现有的水下目标搜寻探摸方法获得的水下目标位置的精细化及准确性不高，研究水下目标搜寻探摸定位方法是而今乃至未来很长一段时间的科学研究中的焦点问题。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种面向水下机器人搜寻探摸的目标定位方法，能够实现水下目标的精确定位。

根据本发明的实施例，提供一种面向水下机器人搜寻探摸的目标定位方法，包括以下步骤：

S1.通过水下机器人的前视声呐采集的声纳图像提取水下目标的A-KAZE特征点；

S2.将带有A-KAZE特征的声呐图像输入卷积神经网络方法识别声呐图像中目标的A-KAZE特征点；

S3.运用目标特征点与前置声呐的几何关系测算水下目标相对于水下机器人的二维方位；

S4.将水下目标特征点二维方位和水下机器人的姿态结合测算目标的仰角θ，通过得到的仰角θ测算水下目标相对于水下机器人的三维方位；

S5.修正目标的仰角θ，进而修正水下目标点相对于水下机器人的三维方位。

根据本发明实施例所述的面向水下机器人搜寻探摸的目标定位方法，所述步骤S1中提取水下目标的A-KAZE特征点包括以下步骤：

S101.定义一组演化时间构建非线性尺度空间；

S102.将像素单位中的离散集转换为时间单位；

S103.给定输入图像和对比度因子，使用快速显式扩散方法；

S104.将快速显式扩散方法嵌入从粗到细的金字塔方法中；

S105.为每个声呐图像计算海森行列式；

S106.使用级联沙尔滤波器计算二阶导数。

根据本发明实施例所述的面向水下机器人搜寻探摸的目标定位方法，所述步骤S2的具体实现包括以下子步骤：

S201.使用GoogLeNet架构在声呐图像数据集上训练卷积神经网络。

根据本发明实施例所述的面向水下机器人搜寻探摸的目标定位方法，所述GoogLeNet架构包括五层，第一层和第二层为卷积层和最大池化层，第三层为inception层，第四层为特征层，是完全连接的层，第四层将先前的输出映射到Dim×1向量，第五层是完全连接的层，第五层将先前的特征层映射为3×1向量，并将映射为3×1向量的特征层与使用欧式损失的位置标签进行比较。